智能運輸系統(tǒng)概論第4章-資料下載頁
2025-01-04 01:43本頁面
【正文】 的應用 。 而 信息融合 本身作為一種 數(shù)據(jù)處理技術 ， 涉及到許多學科和技術的應用 。 下面簡要介紹幾種 信息融合 的方法 。 智能運輸系統(tǒng)概論 交通信息融合方法 大致分為 兩 大類： 概率統(tǒng)計方法 和人工智能方法 。 人工智能方法 又分為 兩 種： 邏輯推理 方法和 學習 方法 。與 概率統(tǒng)計 有關的方法包括： 估計理論 、 卡爾曼濾波 、 假設檢驗 、 貝葉斯方法 、 統(tǒng)計決策理論 以及其他 變形 的方法 。概率統(tǒng)計 方法可以在融合的 各個層次 上使用 。 常用的 邏輯推理 方法包括 概率推理 、 證據(jù)推理 、 模糊推理 和 產(chǎn)生式規(guī)則 等 。 常用的 學習方法 包括 神經(jīng)網(wǎng)絡 、 映射學習方法 、 數(shù)據(jù)挖掘 等 。 交通信息融合的主要方法 多源多維實時動態(tài)交通信息融合技術 智能運輸系統(tǒng)概論 貝葉斯估計 是 統(tǒng)計學方法 的一種 。 經(jīng)典統(tǒng)計學 基于 總體信息 和 樣本信息 進行統(tǒng)計推斷 。 貝葉斯估計 基于 總體信息 、 樣本信息和 先驗信息 進行 統(tǒng)計 和 推理 。 重視總體信息和樣本信息的同時 ， 還注意 先驗信息 的 收集 、 挖掘 和 加工 ， 使其 數(shù)量化 ，形成 先驗分布 參加到 統(tǒng)計推斷 中來 ， 提高統(tǒng)計推斷的 質(zhì)量 。 證據(jù)推理 DempsterShafer證據(jù)推理 是 貝葉斯方法 的 擴展 。 在 貝葉斯方法 中 ， 所有缺乏信息的前提環(huán)境中的特征指定為一個等價的 先驗概率 。 證據(jù)推理 可避免這一缺點 。 多源多維實時動態(tài)交通信息融合技術 交通信息融合的主要方法 智能運輸系統(tǒng)概論 神經(jīng)網(wǎng)絡 具有 分布并行處理 、 非線性映射 、 自適應學習 、 較強的魯棒性和容錯性 等特性 ， 在很多方面都有廣泛的應用 。 基于 神經(jīng)網(wǎng)絡 的 多源信息集成與融合 有如下 特點 ：具有統(tǒng)一 的內(nèi)部 知識表示形式 ；可將知識規(guī)則轉換成 數(shù)字形式 ，便于建立 知識庫 ；利用外部環(huán)境的信息 ， 便于實現(xiàn)知識的自動獲取 及進行 聯(lián)想推理 ；能夠將 不確定環(huán)境 的復雜關系 ，經(jīng)過 學習推理 ， 融合為系統(tǒng)能理解的 準確信號 。 由于神經(jīng)網(wǎng)絡具有 大規(guī)模并行處理信息 的能力 ， 使得 系統(tǒng)信息處理速度 很快 。 多源多維實時動態(tài)交通信息融合技術 交通信息融合的主要方法 智能運輸系統(tǒng)概論 模糊邏輯 基本思想 是把普通集合中的 絕對隸屬關系 靈活化 ， 使元素對集合的 隸屬度 從原來只能取 {0， 1}中的值擴充到可以取 [0， 1]區(qū)間中的 任一數(shù)值 ， 很適合于用來對傳感器信息的 不確定性 進行描述和處理 。 基于 模糊邏輯理論 的 信息融合 方法可以將通常以 概率密度函數(shù) 或 模糊關系函數(shù) 形式給出的不同檢測器的 評價指標變換為 單值評價指標 ， 該指標不僅能反映 每一種檢測器 所提供的信息 ， 而且能反映從單個傳感器 無法得到 的知識 。 多源多維實時動態(tài)交通信息融合技術 交通信息融合的主要方法 智能運輸系統(tǒng)概論 粗糙集理論 是繼 概率論 、 模糊集 、 證據(jù)理論 之后的又一個處理 不確定性 的數(shù)學工具 。 粗糙集理論 在 多源數(shù)據(jù)分析 中解決的基本問題包括發(fā)現(xiàn)屬性 間的 依賴關系 、 約簡冗余 屬性與對象 、 尋求 最小屬性子集 以及生成 決策規(guī)則 等等 。 粗糙集 與其他不確定性問題理論的 最顯著區(qū)別 是無需提供任何 先驗知識 ， 而是從 給定問題的 描述集合 直接出發(fā) ， 找出問題的 內(nèi)在規(guī)律 。 常用來對目標進行 定性分析 。 多源多維實時動態(tài)交通信息融合技術 交通信息融合的主要方法 智能運輸系統(tǒng)概論 卡爾曼濾波 采用由 狀態(tài)方程 和 觀測方程 組成的 線性隨機系統(tǒng) 的 狀態(tài)空間模型 來描述 濾波器 ， 并利用狀態(tài)方程的 遞推性 ， 按線性 無偏最小均方誤差 估計準則 ， 采用一套 遞推算法 對該濾波器的狀態(tài)變量作 最佳估計 ， 從而求得 濾掉噪聲 后有用信號的最佳估計 。 卡爾曼濾波用于 實時融合動態(tài) 的 低層次冗余多源數(shù)據(jù) ，用 測量模型 的 統(tǒng)計特性 遞推決定統(tǒng)計意義下的 最優(yōu)融合數(shù)據(jù)估計 。 卡爾曼濾波的 遞推特性 使得系統(tǒng)數(shù)據(jù)處理 不需要大量的 數(shù)據(jù)存貯 和 計算 。 多源多維實時動態(tài)交通信息融合技術 交通信息融合的主要方法 智能運輸系統(tǒng)概論 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH
教學課件相關推薦
鄂ICP備17016276號-1